最小条件下一般二次曲面轮廓度误差的评定

为准确、快速地评定任意位姿的一般二次曲面轮廓度误差,提出以改进粒子群算法(IPSO)和角度分割逼近法为基础的最小区域评定方法。首先,提出角度分割逼近法计算的所有测量点与一般二次曲面的距离,并以其中最大值作为任意位姿二次曲面方程拟合算法的目标函数。其次,结合模型中目标函数的特点,提出以最优化解析法思想、自然选择和杂交结合PSO算法的新IPSO算法解决误差评定模型的优化问题。实验采用上述方法对某抛物面天线进行评定,与最小二乘算法(LSM)、标准PSO算法的结果和进化曲线等进行比较,同时比较商用软件SA的评定结果。结果表明结合PSO、最优化分析法思想、角度分割逼近法的新方法可更快速、准确地解决任意位姿的二次曲面轮廓度误差评定问题。

评定二次曲面轮廓度误差的角度分割逼近法

提出一种基于角度分割逼近算法和粒子群算法计算二次曲面轮廓度误差的最小区域评定方法来准确评定任意位姿的二次曲面轮廓度误差。首先,给出了能够实现角度分割逼近算法的两条前提假设;基于假设,给出了更合理的算法网格布局递推公式。根据曲面轮廓度误差的定义建立了误差评定的精确模型。然后,采用角度分割逼近法求取测点到拟合二次曲面轮廓的距离;通过粒子群算法,以所有的点与二次曲面距离中的最大值为适应度值拟合出二次曲面一般方程,并实现被测轮廓与理论轮廓位置的匹配。最后,采用上述方法对某抛物面天线进行了评定,并与参数分割法、SMXInsight和最小二乘法进行比较。实验结果显示:该方法测得的天线轮廓度误差为0.659 8mm,比其它方法准确。结论表明:基于角度分割算法能够更有效地评定任意位姿二次曲面轮廓度误差,计算准确、迅速,而且无需确定待分割区域。

基于遗传算法和分割逼近法精确计算复杂曲面轮廓度误差

在超精密复杂零件加工与检测技术中,高精度轮廓度误差的评估方法一直是一个研究重点。在分析研究现状基础上,阐明精确计算复杂曲面轮廓度误差需要解决的关键问题,阐述复杂曲面轮廓度误差定义,建立复杂曲面轮廓度误差的数学模型。在分析基于NURBS描述复杂曲面特点基础上,提出分割逼近法计算测点到曲面的最小距离快速简便算法。分析传统遗传算法存在计算精度与编码长度、计算工作量之间的矛盾,提出改进型归一化实数编码的遗传算法,建立相应的交叉算子和变异算子,确立分割逼近法和归一化实数值编码遗传算法相结合计算复杂曲面轮廓度误差的具体步骤。该算法易于计算机实现,且计算精确度高,可以达到任意给定的精度,非常适用于三坐标测量机。

基于粒子群算法和分割逼近法的复杂曲面轮廓度误差计算

建立了复杂曲面轮廓度误差的数学模型,提出采用分割逼近法计算测点到NURBS曲面的最小距离。将分割逼近法和粒子群优化算法相结合,用于计算复杂曲面轮廓度误差,该方法易于计算机实现,且计算精确度高,可以达到任意给定的精度,非常适用于三坐标测量机。

基于Trimmed NURBS曲面几何特征的数字化自适应采样

曲面轮廓度误差评价和多边域逼近均要求对理论曲面进行数字化自适应采样。在对当前曲面数字化方法分析的基础上 ,针对TrimmedNURBS曲面 ,研究了在给定精度下的曲面数字化自适应采样方法 ,给出了基于曲率特征函数的曲线自适应采样和NURBS曲面多边域离散算法 ,提出了一种对大规模曲面网格点检测路径优化问题很有效的进化算法—蚁群算法 ,并进行了计算机仿真实验验证。仿真结果表明 ,所提出的规划方法可显著提高数字化采样效率 。

一种直接基于三维CAD模型的复杂曲面轮廓度误差评定方法

面向数字化检测环境,提出了一种基于三维模型的曲面轮廓度误差评定方法。该方法首先在理论模型所处的CAD环境中创建测点特征,再直接求点到三维模型上理论曲面的距离,最后通过单纯形法对复杂曲面轮廓度误差进行评定。最后通过计算实例验证了该方法的有效性。